| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 管理/制度 |
| 中国企业海外并购行业特征实证分析 |
| 第739期 作者：□文/郑怡辰 时间：2024/10/16 14:58:33 浏览：14次 |
［提要］ 中国企业海外并购是对外直接投资以及与世界进行贸易交流的一种重要方式。新冠肺炎疫情期间，中国企业海外并购的决策与以往有所差别，海外并购企业的行业特征也有所不同。本文选取Wind数据库2015年1月1日至2021年12月31日期间1，598个并购事件作为研究样本，运用双重差分法进行标的方行业特征的实证分析。结果表明：相比疫情前，疫情期间中国企业对医疗行业与新兴行业的海外并购有所增加，其中医疗行业并购多为横向并购；传统行业海外并购在疫情前后无显著差别。
关键词：疫情；海外并购；行业特征；双重差分法
中图分类号：F27；F83 文献标识码：A
收录日期：2024年3月12日
引言
海外并购是学术研究者十分关注的话题。中国企业进行海外并购是中国对外直接投资的重要方式，对推动全球共同发展、合作共赢具有深远的意义。2020年初新冠肺炎疫情爆发，中国企业的并购交易总额在2020年第一季度有所下跌。在这一特殊时期，中国企业海外并购的挑战与机会并存。（图1）
现有的学术研究中，对于疫情期间中国企业海外并购的实证分析还不够充分。相关研究大多是对中国企业海外投资发展方向、风险与对策的定性分析，而有关中国企业海外并购的实证分析，集中在研究其与绩效、高管背景和经历、经济周期等方面的关系，少有对中国企业海外并购行业特征进行实证研究的。本文聚焦于疫情期间中国企业海外并购行业特征的实证分析，可以对已有的相关研究做一个补充，同时也可以对未来中国企业的海外并购决策提供参考。
一、文献回顾与研究假设
关于中国企业海外并购的实证研究，大多侧重对企业海外并购绩效的评价、高管经历对海外并购的影响等方面。余鹏翼等（2014）和冯梅等（2016）对国内公司跨国并购绩效的影响因素进行实证研究。徐琴（2018）运用因子分析法构建了一个海外并购的绩效评价体系。吴映玉等（2017）通过收集上市公司并购专利申请数目和公司高管团队信息建立模型，研究海外并购与高管海外经历的关系。
关于中国企业海外并购行业发展的研究，多为定性分析。柯小霞等（2015）认为，早期中国企业并购主要以钢铁、矿产、天然气、石油等自然资源开发的企业为主，在制造上需要大量的资源供给，于是促进了资源类企业“走出去”。而后，制造业、服务业企业的并购逐渐增长，同时国内的高消费需求促使农业、食品行业海外并购发展，金融服务行业的并购也呈现增长趋势。何小钢（2015）指出，2012～2014年能源和矿产行业在中国企业海外并购总金额排行中居首位。2015年，能源和原材料行业并购下降，中国企业在金融业、制造业、高科技、娱乐、房地产等领域的投资并购大幅提高。2016年第一季度，超过100亿美元的五大巨型并购案大多涉及生物技术、工业制造和金融等行业，而能源行业的大型并购已难觅踪影。中国企业海外并购行业趋势向以电子、机械、高端制造业、金融服务业、互联网、医疗卫生等领域为主的方向发展，意在获得先进技术、主导高端消费市场的发展趋势。且“一带一路”倡议给金融、文化、旅游、教育等产业提供了合作机会，国有企业海外并购行业更多转为投资高科技行业、消费行业和其他类。
在疫情背景下，已有的国内文献对中国企业海外并购的行业发展趋势做了定性描述。中国企业进行海外并购的挑战与机遇并存，医疗行业投资的恰逢其时与新兴行业的快速发展，或许是海外投资应当积极寻找的目标。张文佳（2021）表示，2020年并购的标的公司所属行业多为电力、工程设计、建筑等基础设施，以及文娱和教育等与人们生活相关的行业。
国外对于中国企业海外并购的研究集中在其与并购后企业表现、社会责任绩效等关系的研究。Yang等（2023）和Chen等（2022）表示，区域文化多样性越高，中国企业海外并购与企业社会责任之间的正向关系越强。其他关于中国企业海外并购的研究多与地域、政治和文化相关。Paudyal等（2021）研究发现，国内较高的经济政策不确定性阻碍了海外并购入境交易的数量和规模；东道国较好的企业质量、商业环境和政治风险则会正向调节这种效应。
综上所述，已有的相关研究中，在某个特定背景下关于中国企业海外并购特征的实证分析还不够充分。在全球新冠肺炎疫情背景下，中国企业海外并购的决策想必与没有疫情时期的决策也有所不同。针对这一特殊时期的变化，本文对疫情期间中国企业海外并购的行业特征提出两个假设：疫情期间，中国企业海外并购会更多选择医疗行业与新兴行业；疫情期间，中国企业海外并购会更多选择传统行业。
二、研究设计
（一）样本选取。本文的数据来源于Wind数据库和CSMAR数据库，选取2015年1月1日至2021年12月31日的中国企业海外并购事件作为研究样本，制作为面板数据。去除缺失数据后，得到1，598个海外并购标的方样本。
（二）变量选择（表1）
1、因变量。是否发生海外并购（MA）：虚拟变量。在面板数据中，对应年份发生海外并购事件的标的方等于1，其余年份没有发生并购事件的标的方等于0。
2、自变量
（1）行业分类1（CategoryA）：虚拟变量。行业分类1根据医疗行业加新兴行业，与其他行业进行分类。如果标的方企业属于医疗行业或新兴行业，则等于1；其余标的方行业等于0。本文参考Wind数据库中二级行业分类标准，属于医疗行业与新兴行业的有：媒体II，医疗保健设备与服务，制药、生物科技与生命科学，软件与服务，技术硬件与设备，半导体与半导体生产设备，电信服务II。
（2）行业分类2（CategoryB）：虚拟变量。行业分类2根据传统行业与非传统行业进行分类。如果标的方企业属于传统行业，则等于1；其余标的方行业等于0。参考Wind数据库中二级行业分类标准，对传统行业的分类如下：能源II，材料II，资本货物，商业和专业服务，运输，汽车与汽车零部件，耐用消费品与服装，食品与主要用品零售II，食品、饮料与烟草，家庭与个人用品，公用事业II。
（3）疫情前后（Post）：虚拟变量。疫情前（2015年1月1日至2019年12月31日）等于0；疫情后（2020年1月1日至2021年12月31日）等于1。
（4）双重差分项（didA，didB）。反映疫情前后海外并购的行业倾向。
didA＝CategoryA×Post
didB＝CategoryB×Post
3、控制变量。（1）资产负债率（DAratio）：收购方公司收购事件前一年的资产负债率。资产负债率=总负债/总资产。（2）总资产报酬率（ROA）：收购方公司收购事件前一年的总资产报酬率。（3）公司规模（Scale，lnscale）：收购方公司收购事件前一年的总资产，对公司规模取对数（lnscale）。
（三）模型设计。本文运用双重差分法（DID），此方法可以去除非疫情影响因素作用于并购行业导致的变化，能够更准确地得到疫情期间中国企业海外并购行业变化的净效应。根据本文的两个假设，构建两个DID模型如下：
MA＝β0+β1×CategoryA+β2×Post+β3×didA+β4×DAratio+β5×ROA+β6×lnscale+ε （1）
MA＝β0+β1×CategoryB+β2×Post+β3×didB+β4×DAratio+β5×ROA+β6×lnscale+ε （2）
模型（1）中，海外并购标的方行业为医疗行业与新兴行业的，作为实验组。β3反映疫情后海外并购标的方行业的变化，如果β3＞0，说明疫情下中国企业增加了对医疗行业与新兴行业的海外并购；如果β3＜0，说明疫情下中国企业减少了对医疗行业与新兴行业的海外并购。
模型（2）中，海外并购标的方行业为传统行业的，作为实验组。如果β3＞0，说明疫情下中国企业增加了对传统行业的海外并购；如果β3＜0，说明疫情下中国企业减少了对传统行业的海外并购。
三、实证分析
（一）变量特征
1、变量描述性统计。如表2所示，本文所用的2015～2021年面板数据共10，672个，获取并购事件标的方样本数量为1，598个。（表2）
2、变量相关性分析。表 3和表 4展示了回归模型（1）和回归模型（2）中变量的相关性分析结果。由两个表可知，因变量与自变量大部分显著相关。其中，并购事件MA与双重差分项didA和didB都分别有着显著的相关性，初步证明了本文提出的两个假设。另外，本文通过方差膨胀因子VIF指标，检验了自变量的多重共线性。如果VIF指标大于10，则说明自变量之间存在多重共线性，反之，则说明不存在多重共线性。回归模型（1）中，VIF指标的平均值为1.32，且每个自变量对应的VIF值均小于1.45；回归模型（2）中，VIF指标的平均值为1.42，且每个自变量对应的VIF值均小于1.60。所以，两个回归模型均不存在自变量多重共线性。（表3、表4）
（二）平行趋势检验
1、普通平行趋势检验。从图2可以看到，回归模型（1）在疫情前的实验组与对照组变化趋势大致相同，而疫情后实验组的并购趋势相比对照组有明显的上升走势，这表明疫情后中国企业对医疗行业与新兴行业的海外并购呈增长趋势。而图3表示的回归模型（2）在疫情前的实验组与对照组总体也呈下降趋势，但在疫情后，两组海外并购变化与疫情前相比没有明显的特点。从图3可以看出，疫情后中国企业对于传统行业与非传统行业的海外并购与之前变化不大。（图2、图3）
2、事件研究法平行趋势检验。事件研究法需要首先生成年份虚拟变量和实验组虚拟变量的交互项，将这些交互项作为自变量进行回归，纵坐标交互项系数反映每个年份的实验组和对照组之间的差异。如果疫情前交互项系数不显著异于0，说明此模型的实验组和对照组之间的差异不明显，则通过平行趋势检验。图4为模型（1）的平行趋势图，图5为模型（2）的平行趋势图。纵坐标为交互项系数，横坐标“current”是以2020年疫情发生年份为基准的时间点。为了避免出现完全共线性问题，需选择一期作为参照，于是两张图均删除了“pre_1”这一期。图4中，回归模型（1）在疫情前的交互项系数不显著异于0，这表示模型（1）的实验组与对照组在疫情前没有显著差异；而疫情后，交互项系数异于0，实验组与对照组有显著差异。由此，回归模型（1）符合疫情前的平行趋势。图5中，回归模型（2）的交互项系数大多从始至终异于0，总体来看回归模型（2）不太符合疫情前的平行趋势。（图4、图5）
（三）回归结果。本文的主要回归结果如表5所示，列（1）为回归模型（1）的结果，列（2）为回归模型（2）的结果。（表5）
对于回归模型（1），didA的系数显著且为正数，说明中国企业对医疗行业与新兴行业的海外并购在疫情后相对有了增长。新冠肺炎疫情的爆发促进了医疗行业的发展，医疗保健、医疗技术、生物制药等正是当下最需要发展与应用的。而以5G、人工智能、区块链、云计算、物联网等为代表的新基建领域，将是国内资本青睐并且广泛布局的新兴产业，新兴产业代表着科技与未来，中国的投资者着眼于海外新兴领域，与各地互利互鉴、共同发展，同时吸引人才、研发创新。
对于回归模型（2），didB的系数不显著，这表示中国企业对传统行业与非传统行业的海外并购在疫情前后没有明显差别。理论上的可能原因是，新冠肺炎疫情给传统行业和非传统行业均带来冲击。
此外，对于回归模型（1），本文特别关注此模型分类中的医疗行业。在本文时间跨度从2015～2021年的1，598个海外并购事件数据中，有关医疗行业的并购事件共有195个。疫情前（2015～2019年）涉及到的医疗行业海外并购标的方共169个，其中横向并购占比79.3%；疫情后（2020～2021年）涉及到的医疗行业海外并购标的方共26个，其中横向并购占比84.6%。由这些数字可以看到，疫情发生后，医疗行业的横向并购比例有所上升，其中包括医疗设备、制药、生物技术等方面，这正是疫情发生后市场最需要的，横向并购可以扩大企业规模与增强生产力，及时应对市场所需。
（四）稳健性检验。根据上文的平行趋势检验与回归结果，回归模型（1）的结果更为有效，于是这部分只对回归模型（1）进行稳健性检验。本文运用两种方法，缩短样本时间以及变换疫情发生年份。
表6列（1）是缩短样本时间的回归结果，把2015～2021年的数据缩短为2019～2020年，didA仍然显著，依旧表示疫情后医疗行业与新兴行业的海外并购事件增多。列（2）变换疫情发生年份后再次回归，当并购年份大于等于2019年，Post=1。而这次，didA不显著。综上，本文回归模型（1）的设定是稳健的。（表6）
四、研究结论
本文的研究结果表明：中国企业对医疗行业与新兴行业的海外并购，在疫情发生后的交易活动相比疫情前有所增加，这证实了本文在第二部分的第一个假设。其中，医疗行业的横向并购占大多数，且比疫情前横向并购占比有所增加。医疗行业企业规模的扩大有助于提高生产力以及研发创新技术，从而适应当今社会的需求。由于疫情对传统行业与非传统行业均带来一定程度的冲击，因此中国企业对传统行业与非传统行业的海外并购在疫情前后无显著差别。
（作者单位：首都经济贸易大学）
主要参考文献：
［1］冯梅，郑紫夫.中国企业海外并购绩效影响因素的实证研究［J］.宏观经济研究，2016（01）.
［2］何小钢.中国企业海外并购特征、动因及其优化策略［J］.国际贸易，2015（12）.
［3］柯小霞，宋晓丹.中国企业海外并购行业分布特征及其优化途径探析［J］.对外经贸实务，2015（09）.
［4］李莉文.世界经济新格局与中国企业海外并购的特征、风险及应对［J］.国际论坛，2017.19（01）.
［5］吴建祖，陈丽玲.高管团队并购经验与企业海外并购绩效：高管团队薪酬差距的调节作用［J］.管理工程学报，2017.31（04）.
［6］吴映玉，陈松.新兴市场企业的技术追赶战略——海外并购和高管海外经历的作用［J］.科学学研究，2017.35（09）.
［7］徐进.后疫情时代电力央企开展跨国并购的新思考［J］.能源，2020（07）.
［8］徐琴.中国企业海外并购绩效评价实证研究［J］.贵州财经大学学报，2018（05）.
［9］姚影.新冠疫情下中企跨境并购危中有机［J］.清华金融评论，2020（11）.
［10］余鹏翼，王满四.国内上市公司跨国并购绩效影响因素的实证研究［J］.会计研究，2014（03）.
［11］张金杰.中国企业海外并购的新特征及对策［J］.经济纵横，2016（09）.
［12］张文佳.疫情下我国企业跨国并购的新发展［J］.市场论坛，2021（06）.
［13］张欣.“一带一路”背景下国有企业海外并购的趋势、挑战与对策［J］.国际贸易，2017（11）.
|
|
|
|
